如何评价 Cassandra 的性能？

Question

我是 Cassandra 的新手。我对 Cassandra 数据库进行了研究并进行了一些测试，但遇到了一些问题：

1. 鉴于 Cassandra 鼓励数据的非规范化和重复，当存在于多个列族中的数据仅从一个列族更新时，如何保证数据一致性？

2. 表中的列数影响查询性能？

3. 查询返回的记录数越多，性能越差是真的吗？

4. 在Cassandra中什么情况下使用mapreduce有用？

Answer 1

鉴于 Cassandra 鼓励非规范化和重复
数据，当存在于多个列族中的数据是
仅从其中一个列族更新数据一致性如何 保证？

这正是在 Cassandra 中引入 BATCH 的原因。即使使用 BATCH，您仍然处于分布式系统中，并且在对数据建模时需要这样思考。由于您没有具体问题，我们将在理论上继续讨论。

表中的列数影响查询性能？

与其说是列数，不如说是每个单独分区的大小。分区越大，Cassandra 的一些内部机制（例如压缩）就越难以发挥作用。如果您不熟悉数据在磁盘上的存储方式，建议您查看THIS 教程。

确实，查询返回的记录数越多， 它的性能更差？

这是物理学。更多数据 = 更多 IO、带宽、GC 收集 ETC 的对象。鉴于 Cassandra 是作为事务数据存储构建的，它不是为超大数据返回/全表扫描而构建的（很少有真正的分布式系统是）。上面链接的教程很好地解释了。

在Cassandra中什么情况下使用mapreduce有用？

如果您有兴趣在 Cassandra 上运行分析，我建议您使用 Spark，因为在商业和开源级别优化 Spark 和 Cassandra 的关系已经做了大量工作。当您对 Cassandra 的工作方式感到满意时，如果您有兴趣在 Cassandra 上进行任何类型的分析，我建议您查看 THIS 教程。它涉及商业产品，但概念/教程也适用于开源。

Answer 2

1. 如果您的意思是如何在 Cassandra 中支持非规范化数据的一致性，答案是 - 仅使用自定义逻辑。但是一旦 Cassandra 不支持事务（关系数据库中的事务，而不是原子操作），这是一项相当困难的任务。实际上，如果您需要相关数据处于强一致状态，您应该使用关系数据库。
2. 在某些方面确实有作用，但考虑得并不多。
3. 这可能取决于查询本身，但通常情况下性能会降低，因为您需要通过网络传输更多数据。
4. 例如，当您想要进行全表扫描时，将 MapReduce 与 Cassandra 结合使用可能会很有用。这与我们查询未索引字段时关系数据库所做的非常相似。他们进行全面扫描比较字段值。不过，MapReduce 逻辑可能更复杂。例如，出于分析目的。